煤矿综采工作面瓦斯浓度预测模型

Gong-kuang zidonghua

贾佳¹  李欢¹  宋春儒²  杨秀宇³ 

[1] 中国矿业大学 信息与控制工程学院， 江苏 徐州221008;同煤国电同忻煤矿有限公司， 山西 大同037000;山西中煤华晋能源有限责任公司 王家岭分公司， 山西 运城043000;

关键词: 综采工作面;    瓦斯浓度预测;    蚁群算法;    最小二乘支持向量机;    k-means聚类分析;    参数寻优;    ls-svm;    aco-ls-svm;   

DOI  :  10.13272/j.issn.1671-251x.17364

来源: DOAJ

【 摘 要 】

针对基于最小二乘支持向量机（LS-SVM）的瓦斯浓度预测方法进行参数优化时存在的易陷入局部最优解、搜索效率较低、易产生早熟收敛等问题，提出了一种基于改进蚁群算法-最小二乘支持向量机(ACO-LS-SVM)的瓦斯浓度预测模型。首先，对采集的大量煤矿综采工作面瓦斯数据进行k-means聚类分析，以降低数据维数；然后，采用改进蚁群算法对LS-SVM的惩罚参数和核函数参数进行寻优，再代入LS-SVM模型中进行回归预测。仿真结果表明，当瓦斯体积分数绝对误差阈值分别为0.03%，0.04%，0.05%时，基于ACO-LS-SVM的瓦斯浓度预测模型的预测准确度都在95%左右，比SVM模型和LS-SVM模型表现更好。

【 授权许可】

Unknown